精准农业的计算机视觉

​ 在过去几年中，时间（图像频率）和空间分辨率（衡量图像的精细程度）呈指数级增长，航空航天业将继续以我们无法预测的方式发生变化。随着像素密度（每英寸像素数或 ppi）的增加，我们可以获得更清晰的图像和更重的数字图像文件。相反，随着像素密度的降低，我们会失去精度，但也会减少处理需求。这是当前数字图像分析中的一项基本权衡。

​ 通过在农业等学科中使用遥感图像，我们能够以更有效的方式执行不同的任务：

• 检测植物病害
• 对土地覆盖（例如森林）和土地利用（例如农业）进行分类
• 通过识别大豆、玉米、小麦等不同作物来对作物类型进行分类。
• 通过计算特定区域作物的预期产量来估算作物产量
• 识别与健康作物争夺阳光和土壤养分的杂草
• 监测和预测土壤水分
• 评估除草剂、杀虫剂和杀菌剂的有效性
• 识别农作物和土壤中的污染物
• 监控播种过程的有效性

要了解这是如何工作的，我们必须首先先认识光谱图像。

看不见的看见

作为人类，人眼只能看到电磁波谱的一小部分（我们称之为“可见光”），而事实是，几个世纪以来，我们只是通过一个小窗口来观察这个世界。

现代遥感图像可以测量各种波长，其中许多是我们肉眼看不见的。这称为多光谱图像，它由传感器（例如在卫星或无人机中）产生，这些传感器测量电磁光谱的几个部分（或波段）内的反射能量。由于不同的物体或条件以不同的方式反射能量（例如，植被反射光的方式不同于水），因此每个光谱带捕获不同的属性。

数据科学是核心

通过使用光谱波段执行代数操作，可以组合两个或多个波长以突出特定特征，如植被类型、燃烧区或发现水体检测。由此提出了许多的遥感指数模型。

此外还可以组合来自不同来源（如不同卫星）的波段并获得更深入的结果，比如：想象将不同的光反射波段与土壤湿度以及土地海拔特征组合在一起，所有内容都堆叠在同一数据集中：如果数据集中的每个波段或图像具有相同的行数和列数，则一个波段的像素与另一波段的像素位于相同的空间位置。由于每个像素都经过地理编码，我们可以在任何特定位置添加不同的信息层。